0Pricing
Python Academy · บทเรียน

พื้นฐาน Series และ DataFrame

สร้างและตรวจสอบโครงสร้างข้อมูลของ Pandas จากแหล่งข้อมูลต่าง ๆ

พื้นฐาน Series และ DataFrame เป็นบทเรียน Python Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Python Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Python Academy มีบทเรียนทั้งหมด 4 บทเรียน

แพนดาสคืออะไร

แพนดาสมี Series (อาร์เรย์ 1 มิติที่มีป้ายกำกับ) และ DataFrame (ตาราง 2 มิติที่มีป้ายกำกับ) ซึ่งสร้างบน NumPy และปรับให้เหมาะกับการวิเคราะห์ข้อมูล

import pandas as pd

s = pd.Series([10, 20, 30], index=["a","b","c"])
print(s)
# a    10
# b    20
# c    30

การสร้าง Series

สร้าง Series จากลิสต์ ดิกชันนารี หรือสเกลาร์ ดัชนีจะเริ่มต้นเป็นจำนวนเต็มที่เริ่มจากศูนย์โดยค่าเริ่มต้น

import pandas as pd

# From list:
s1 = pd.Series([1, 2, 3])

# From dict (keys become index):
s2 = pd.Series({"x": 10, "y": 20})

# Scalar (broadcast):
s3 = pd.Series(5, index=range(4))
print(s3)   # 0 5 / 1 5 / 2 5 / 3 5

การสร้าง DataFrame

สร้าง DataFrame จากดิกชันนารีของลิสต์ ลิสต์ของดิกชันนารี หรืออาร์เรย์ NumPy

import pandas as pd

df = pd.DataFrame({
    "name": ["Alice","Bob","Carol"],
    "age":  [30, 25, 35],
    "score":[95.5, 87.0, 92.3]
})
print(df)

การตรวจสอบพื้นฐาน

head(), tail(), shape, dtypes, info(), describe() คือขั้นตอนแรกเมื่อเริ่มทำงานกับชุดข้อมูลใหม่

import pandas as pd

df = pd.read_csv("data.csv")
print(df.head())       # first 5 rows
print(df.shape)        # (rows, cols)
print(df.dtypes)       # column types
print(df.describe())   # count, mean, std, min...

การเข้าถึงคอลัมน์

เข้าถึงคอลัมน์ด้วยสัญกรณ์จุดหรือวงเล็บเหลี่ยม สัญกรณ์จุดใช้ไม่ได้กับชื่อคอลัมน์ที่มีช่องว่างหรือซ้ำกับแอตทริบิวต์ของ DataFrame

import pandas as pd

df = pd.DataFrame({"age":[30,25], "city":["NY","LA"]})
print(df["age"])       # preferred
print(df.age)          # also works if name is simple
print(df[["age","city"]])  # multiple columns

พื้นฐานดัชนี

ดัชนีใช้ระบุแถว โดยค่าเริ่มต้นจะเป็น 0, 1, 2... แต่สามารถกำหนดเป็นค่าใด ๆ ที่แฮชได้

import pandas as pd

df = pd.DataFrame({"val":[10,20,30]}, index=["a","b","c"])
print(df.loc["b"])     # row with label b
print(df.index)        # Index(['a','b','c'])

# Reset to default integer index:
df.reset_index(drop=True, inplace=True)

การเพิ่มและนำคอลัมน์ออก

กำหนดค่าให้คีย์ใหม่เพื่อเพิ่มคอลัมน์ ใช้ drop() เพื่อนำคอลัมน์ออก

import pandas as pd

df = pd.DataFrame({"a":[1,2,3],"b":[4,5,6]})
df["c"] = df["a"] + df["b"]   # new column
df.drop(columns=["b"], inplace=True)
print(df)

การจัดแนว Series

เมื่อรวม Series เข้าด้วยกัน Pandas จะจัดแนวตามดัชนี หากไม่พบรายการที่ตรงกัน จะได้ค่า NaN

import pandas as pd

s1 = pd.Series([1,2,3], index=["a","b","c"])
s2 = pd.Series([10,20], index=["b","c"])
print(s1 + s2)
# a     NaN
# b    12.0
# c    23.0

to_dict และ to_list

แปลง DataFrame หรือ Series กลับเป็นโครงสร้างมาตรฐานของ Python เพื่อส่งออกหรือตรวจสอบ

import pandas as pd

df = pd.DataFrame({"x":[1,2],"y":[3,4]})
print(df.to_dict("records"))
# [{'x': 1, 'y': 3}, {'x': 2, 'y': 4}]

print(df["x"].to_list())
# [1, 2]

การอ่านไฟล์

Pandas อ่าน CSV, Excel, JSON, Parquet และ SQL เป็น DataFrames ได้โดยตรง

import pandas as pd

df_csv    = pd.read_csv("data.csv")
df_excel  = pd.read_excel("data.xlsx", sheet_name="Sheet1")
df_json   = pd.read_json("data.json")
df_parq   = pd.read_parquet("data.parquet")
# pd.read_sql("SELECT * FROM table", conn)

การเขียนไฟล์

ส่งออก DataFrames เป็น CSV, Excel, JSON และ Parquet

import pandas as pd

df = pd.DataFrame({"a":[1,2],"b":[3,4]})
df.to_csv("out.csv", index=False)
df.to_json("out.json", orient="records")
df.to_parquet("out.parquet")

ตรวจสอบด่วน

df.describe() ส่งคืนอะไร

ทบทวน

Series คืออาร์เรย์แบบ 1 มิติที่มีป้ายกำกับ ส่วน DataFrame คือตารางแบบ 2 มิติที่มีป้ายกำกับ เข้าถึงคอลัมน์ด้วย df["col"] ใช้ head(), describe(), info() เพื่อตรวจสอบข้อมูลอย่างรวดเร็ว อ่านและเขียน CSV, Excel, JSON และ Parquet ได้ด้วยฟังก์ชันที่มีมาให้

คำถามที่พบบ่อย

บทเรียน “พื้นฐาน Series และ DataFrame” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “พื้นฐาน Series และ DataFrame” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Python Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Python Academy มีบทเรียนทั้งหมด 4 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “พื้นฐาน Series และ DataFrame”

สร้างและตรวจสอบโครงสร้างข้อมูลของ Pandas จากแหล่งข้อมูลต่าง ๆ คุณปฏิบัติ Python Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน

คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Python Academy หรือไม่

ไม่จำเป็นต้องมีประสบการณ์มาก่อน Python Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน

บทเรียน “พื้นฐาน Series และ DataFrame” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน Python Academy นี้ได้ไหม

ได้ บทเรียน Python Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

  1. พื้นฐาน Series และ DataFrame
  2. การใช้ดัชนี การกรอง และมาสก์บูลีน
  3. GroupBy การรวมข้อมูล และตารางไพวอต
  4. การผสาน การเชื่อม และการทำความสะอาดข้อมูล
← กลับไปที่ Python Academy